如何从详细的需求或项目转换为可实施的处理方案

本节首先简要介绍业界常用的模型实施过程，然后重点讲解阿里巴巴OneData模型设计的实际及实施过程。

业界常用的模型实施过程

Kimball模型实施过程

Kimball维度建模主要关注需求分析、高层模型、详细模型和模型审查等环节。构建维度模型通常经历以下几个阶段：

• 第一阶段：高层设计，定义业务过程维度模型的范围，描述星形模式的技术和功能。
• 第二阶段：详细模型设计，为每个星形模型添加属性和度量信息。
• 第三阶段：模型审查、再设计和验证。
• 第四阶段：生成详细设计文档，提交给ETL开发人员，进入ETL设计和开发阶段。

Inmon模型实施过程

Inmon将数据模型视为通往数据仓库其他部分的智能路径。为了协调不同人员的工作和适应不同类型的用户，需要建立一个数据模型，描绘数据仓库各部分的组合方式。Inmon将模型划分为三个层次：ERD（实体关系图）、DIS（数据项集）和物理层。

Inmon建议采用螺旋式开发方法，迭代完成多次需求。ERD模型是抽象的数据模型，描绘企业的整体数据，每次迭代则完成ERD模型的子集。

其他模型实施过程

实际应用中，还会用到一些数据仓库模型层次的划分，这些方法与Kimball和Inmon的方法有一定的相似之处，但不涉及具体的模型表达。例如，业务建模、范畴建模、逻辑建模和物理建模等步骤。

OneData实施过程

本节重点讲解如何使用OneData体系及其配套工具实施大数据系统的模型建设，并以阿里巴巴的具体业务为例进行说明。

指导方针

首先，进行充分的业务调研和需求分析，这是数据仓库建设的基础。其次，进行数据总体架构设计，根据数据域对数据进行划分，并按照维度建模理论构建总线矩阵、抽象出业务过程和维度。再次，对报表需求进行抽象整理，定义目标体系，并利用OneData工具完成目标规范定义和模型设计。最后，进行代码研发和运维。

实施工作流

数据调研——业务调研

阿里巴巴的业务涵盖电商、数字文娱、导航（高德）、移动互联网服务等多个领域。每个领域内又有多个业务线，如电商领域的淘宝、天猫、天猫国际等。数据仓库需要涵盖所有业务领域，因此需要了解各个业务领域和业务线的共同点和不同点，以及每个业务线可以细分为哪些业务模块和业务流程。业务调研是否充分，直接影响数据仓库建设的成功与否。

在阿里巴巴，一般各个业务领域单独建设数据仓库，业务线由于业务相似和相关性较大，会统一集中建设。

数据调研——需求调研

没有考虑到分析师和业务运营人员的数据需求，仅凭业务调研建设的数据仓库无异于闭门造车。因此，需要了解数据使用者的需求，特别是报表需求。需求调研可以通过与分析师和业务运营人员沟通（邮件、即时消息）或研究现有报表来实现。

架构设计——数据域划分

数据域是指面向业务分析，将业务过程或维度进行抽象的集合。为保证整个系统的生命力，数据域需要进行抽象提炼，并长期维护和更新，但不应轻易变动。

架构设计——构建总线矩阵

在充分的业务调研和需求调研后，需要构建总线矩阵，明确每个数据域下的业务过程及其相关维度。

规范定义

规范定义主要是定义目标体系，包括原子目标、修饰词、时间周期和派生目标。

模型设计

模型设计主要包括维度及属性的规范定义，维表、明细事实表和汇总事实表的模型设计。

总结：OneData的实施过程是一个高度迭代和动态的过程，通常采用螺旋式实施方法。在总体架构设计完成后，开始根据数据域进行迭代式模型设计和评审。在架构设计、规范定义和模型设计等模型实施过程中，都会引入评审机制，以确保模型实施过程的正确性。

请注意，本书中的部分内容来自淘宝（中国）软件有限公司内部项目的惯用词语，如与第三方名称相同，纯属巧合。本文内容来自阿里云，未经允许不得转载。